推荐阅读：

• 这套Github上40K+star学习笔记，可以帮你搞定95%以上的Java面试

• 毫不夸张的说，这份SpringBoot学习指南能解决你遇到的98%的问题

• 最全面试题新鲜出炉：70+算法题、近30种大厂面试笔试常考知识点

为什么对缓存只删除不更新

不更新缓存是防止并发更新导致的数据不一致。
所以为了降低数据不一致的概率，不应该更新缓存，而是直接将其删除，
然后等待下次发生cache miss时再把数据库中的数据同步到缓存。

先更新数据库还是先删除缓存?

有两个选择：
1. 先删除缓存，再更新数据库
2. 先更新数据库，再删除缓存

如果先删除缓存，有一个明显的逻辑错误：考虑两个并发操作，线程A删除缓存后，线程B读该数据时会发生Cache Miss，然后从数据库中读出该数据并同步到缓存中，此时线程A更新了数据库。
结果导致，缓存中是老数据，数据库中是新数据，并且之后的读操作都会直接读取缓存中的脏数据。（直到key过期被删除或者被LRU策略踢出）
如果数据库更新成功后，再删除缓存，就不会有上面这个问题。
可能是由于数据库优先，第二种方式也被称为Cache Aside Pattern。

Cache Aside Pattern

cache aside在绝大多数情况下能做到数据一致性，但是在极端情况仍然存在问题。

• 首先更新数据库(A)和删除缓存(B)不是原子操作，任何在A之后B之前的读操作，都会读到redis中的旧数据。
  但是，正常情况下操作缓存的速度会很快，通常是毫秒级，出现上述情况的概率很低。
• 更新完数据库后，线程意外被kill掉，由于没有删除缓存，缓存中的脏数据会一直存在。
• 线程A读数据时cache miss，从Mysql中查询到数据，还没来得及同步到redis中,
  此时线程B更新了数据库并把Redis中的旧值删除。随后，线程A把之前查到的数据同步到了Redis。
  显然，此时redis中的是脏数据。
  通常数据库读操作比写操作快很多，所以除非线程A在同步redis前意外卡住了，否则发生上述情况的概率极低。

虽然以上情况都有可能发生，但是发生的概率相比“先删除缓存再更新数据库”会低很多。

Read/Write Through Pattern

cache aside是我们自己的应用程序维护两个数据存储系统，而Read/Write Through Pattern是把同步数据的问题交给缓存系统了，应用程序不需要关心。
Read Through是指发生cache miss时，缓存系统自动去数据库加载数据。
Write Through是指如果cache miss，直接更新数据库，然后返回，如果cache hit，则更新缓存后，由缓存系统自动同步到数据库。
以Redis为例，通常我们不会把数据库的数据全部缓存到redis，而是采用一定的数据精简或压缩策略，以节省缓存空间。
就是说，让缓存系统设计出通用的缓存方案不太现实，不过根据自己的业务定制一个在项目内部通用的中间件是可行的。

Write Behind

Write Behind方案在更新数据时，只更新缓存，不更新数据库。而是由另外一个服务异步的把数据更新到数据库。
逻辑上，和Linux中的write back很类似。这个设计的好处是，I/O操作很快，因为是纯内存操作。
但是由于异步写库，可能要牺牲一些数据一致性，譬如突然宕机会丢失所有未写入数据库的内存数据。

阿里巴巴的Canal中间件是一种相反的设计，它先更新mysql，然后通过binlog把数据自动同步到redis。
这种方案会全量同步数据到redis，不适合只缓存热点数据的应用。

总结

以上没有哪种方案是完美的，都无法做到强一致性。
我们总要在性能和数据准确性之间做出妥协。